VWAP لنگر شده — نسخه پیشرفته: Anchor و Multi-period

هدف یادگیری

پس از مطالعه این درس، قادر خواهید بود:
- فرمول ریاضی دقیق AVWAP را پیاده‌سازی کنید و آن را از VWAP رولینگ تمایز دهید
- نقاط لنگر بهینه را بر اساس ساختار بازار انتخاب کنید
- سیستم Multi-period AVWAP را طراحی و در استراتژی‌های کمّی به‌کار ببرید
- انحراف استاندارد باندها را محاسبه و تفسیر کنید

---

۱. فرمول دقیق AVWAP و تمایز ریاضی آن

VWAP استاندارد یک میانگین رولینگ تجمعی است که هر روز از ابتدای جلسه معاملاتی ریست می‌شود. در مقابل، Anchored VWAP (AVWAP) از یک نقطه زمانی مشخص تا لحظه جاری محاسبه می‌شود و هرگز ریست نمی‌شود مگر به انتخاب تحلیلگر.

فرمول پایه AVWAP:

$$AVWAP_t = \frac{\sum_{i=anchor}^{t} P_i \times V_i}{\sum_{i=anchor}^{t} V_i}$$

که در آن:
- $P_i$ = قیمت تیپیکال در کندل $i$، برابر با $\frac{H_i + L_i + C_i}{3}$
- $V_i$ = حجم معاملات در کندل $i$
- $anchor$ = اندیس کندل نقطه لنگر

باندهای انحراف استاندارد که اطراف AVWAP رسم می‌شوند، بر اساس واریانس وزنی حجمی محاسبه می‌گردند:

$$\sigma_{AVWAP} = \sqrt{\frac{\sum_{i=anchor}^{t} V_i \times (P_i - AVWAP_t)^2}{\sum_{i=anchor}^{t} V_i}}$$

باندها به صورت زیر رسم می‌شوند:
- Band +1: $AVWAP_t + 1\sigma$
- Band -1: $AVWAP_t - 1\sigma$
- Band +2: $AVWAP_t + 2\sigma$ (ناحیه افراط)

تفاوت کلیدی اینجاست: در VWAP رولینگ، هر کندل جدید وزن برابری با تمام تاریخچه دارد اما در AVWAP، تمام داده‌های تجمعی از لحظه لنگر تاکنون یک حافظه کامل ایجاد می‌کنند. این یعنی یک معامله بزرگ در روز اول لنگر، ماه‌ها بعد هنوز در محاسبه AVWAP تأثیر دارد.

---

۲. انتخاب نقطه لنگر: روش‌شناسی کمّی

بزرگترین تفاوت تحلیلگر حرفه‌ای با مبتدی در انتخاب نقطه لنگر نهفته است. نقطه لنگر نباید تصادفی باشد؛ باید یک رویداد ساختاری در بازار را نشان دهد.

دسته‌بندی نقاط لنگر معتبر

الف) رویدادهای تقویمی:
- ابتدای سال مالی یا سال تقویمی
- تاریخ لیست شدن یک دارایی در صرافی
- تاریخ هاوینگ بیت‌کوین (برای چرخه‌های کریپتو بسیار حیاتی)

ب) ساختارهای قیمتی:
- All-Time High (ATH): نقطه‌ای که بازار از آن برگشته و توزیع شروع شده
- All-Time Low (ATL): کف مطلق که تجمع شروع شده
- High/Low چرخه: سقف یا کف یک چرخه صعودی/نزولی مشخص

ج) رویدادهای بنیادی:
- اعلام نتایج مالی یک شرکت
- Unlock توکن‌های قفل‌شده
- شروع یک رویداد سیستمیک (مثلاً ۱۲ مارس ۲۰۲۰ — ریزش کرونا)

مثال عملی:

فرض کنید بیت‌کوین در اکتبر ۲۰۲۳ از ناحیه ۲۵,۰۰۰ دلار شروع به رشد کرد و تا ژانویه ۲۰۲۴ به ۴۸,۰۰۰ رسید. اگر لنگر را روی کف اکتبر بگذاریم، AVWAP تمام این رالی را پوشش می‌دهد. وقتی قیمت در یک اصلاح به AVWAP بازمی‌گردد، این سطح نشان‌دهنده متوسط قیمت تجمعی تمام خریداران این چرخه است — حمایت بسیار قوی.

---

۳. سیستم Multi-period AVWAP: لایه‌بندی تایم‌فریم‌ها

قدرت واقعی AVWAP در استفاده همزمان از چندین لنگر نهفته است. این تکنیک که «Multi-period AVWAP» نام دارد، یک نقشه از ساختار هزینه معامله‌گران در بازه‌های مختلف ارائه می‌دهد.

چارچوب سه‌لایه

| لایه | نقطه لنگر | هدف |
|------|-----------|-----|
| ماکرو | ATH یا ATL چرخه | ساختار کلی بازار |
| میانی | سقف/کف فاز جاری | روند میان‌مدت |
| میکرو | آخرین Swing High/Low | معامله‌گری تاکتیکی |

مثال با اعداد واقعی (اتریوم ۲۰۲۴):

- AVWAP ماکرو (لنگر: کف ژوئن ۲۰۲۲ در ۸۸۰ دلار): این خط در طول ۲۰۲۴ در محدوده ۱,۹۰۰ تا ۲,۱۰۰ دلار قرار داشت. شکست قیمت به زیر این خط در اواخر ۲۰۲۴ یک سیگنال ضعف کلان بود.

- AVWAP میانی (لنگر: ATH ژانویه ۲۰۲۴ در ۴,۰۰۰ دلار): وقتی قیمت در ماه‌های بعد زیر این AVWAP ماند، نشان داد کسانی که در قله خریدند هنوز در ضرر هستند و فشار فروش ادامه دارد.

- AVWAP میکرو (لنگر: آخرین Swing Low محلی): برای پیدا کردن نقطه ورود یا خروج تاکتیکی در تایم‌فریم روزانه.

تفسیر همگرایی خطوط:

وقتی دو یا سه AVWAP از لنگرهای مختلف در یک ناحیه قیمتی همگرا می‌شوند، آن ناحیه اهمیت استثنایی پیدا می‌کند. این همگرایی نشان می‌دهد که خریداران از چندین چرخه زمانی مختلف، میانگین هزینه مشابهی دارند — یعنی حمایت یا مقاومتی بسیار قوی.

---

۴. AVWAP در استراتژی‌های کمّی: ورودی و خروجی دقیق

الگوی Reclaim (بازپس‌گیری)

قوی‌ترین سیگنال AVWAP زمانی رخ می‌دهد که قیمت پس از مدتی زیر AVWAP، آن را از پایین به بالا می‌شکند و کندل تأیید می‌بندد:

شرط ورود:
C[t] > AVWAP[t] (بسته شدن بالای AVWAP)
C[t-1] < AVWAP[t-1] (کندل قبلی زیر AVWAP بود)
Volume[t] > MA(Volume, 20)[t] (حجم بالاتر از میانگین)

هدف اولیه: Band +1σ
هدف ثانویه: Band +2σ
حد ضرر: زیر کف کندل ورود یا Low روز قبل

نسبت ریسک به ریوارد معمول: در بسیاری از موارد با این الگو، فاصله ورود تا Band +1σ، ۲ تا ۳ برابر فاصله ورود تا حد ضرر است.

الگوی Rejection (رد شدن از AVWAP)

وقتی قیمت از پایین به AVWAP می‌رسد اما موفق به عبور نمی‌شود:

شرط ورود فروش (Short):
H[t] >= AVWAP[t] (سایه بالایی لمس AVWAP)
C[t] < AVWAP[t] (بسته شدن زیر AVWAP)
C[t] < O[t] (کندل نزولی)

هدف: Band -1σ
حد ضرر: بالای High کندل ورود

فیلتر کردن سیگنال‌های کاذب

یک تکنیک حرفه‌ای: ترکیب AVWAP با نسبت حجم تجمعی. وقتی حجم در کندل Reclaim نسبت به ۲۰ کندل قبل در پایین‌ترین حد است، احتمال شکست کاذب (False Breakout) بالاتر است.

$$Volume\ Ratio = \frac{V_t}{\frac{1}{20}\sum_{i=t-20}^{t-1} V_i}$$

اگر این نسبت کمتر از ۰.۸ باشد، از ورود خودداری کنید.

---

۵. AVWAP در بازار کریپتو: نکات خاص

بازار کریپتو برخلاف بازارهای سنتی ۲۴ ساعته است، که چند تفاوت مهم در اجرای AVWAP ایجاد می‌کند:

الف) هاوینگ به‌عنوان لنگر چرخه:
هر هاوینگ بیت‌کوین یک نقطه لنگر ماکرو ایده‌آل است. AVWAP از تاریخ هر هاوینگ، میانگین هزینه تجمعی تمام شرکت‌کنندگان چرخه را نشان می‌دهد. تاریخچه نشان می‌دهد که در چرخه‌های صعودی، قیمت معمولاً بالای این AVWAP حرکت می‌کند.

ب) رویدادهای نقدینگی:
Unlock بزرگ توکن‌ها، TGEها (Token Generation Events)، و لیست شدن در صرافی‌های بزرگ نقاط لنگر ارزشمندی هستند. AVWAP از تاریخ TGE نشان می‌دهد آیا اکثر دارندگان اولیه سود کرده‌اند یا خیر — که مستقیماً بر فشار فروش تأثیر می‌گذارد.

ج) داده‌های On-Chain:
یک تکنیک پیشرفته: تأیید کردن سطوح AVWAP با داده‌های On-Chain. اگر AVWAP با ناحیه‌ای همخوانی داشته باشد که دیتای On-Chain نشان می‌دهد حجم بالایی از آدرس‌ها آن را به‌عنوان قیمت خرید دارند (مثلاً از Glassnode یا CryptoQuant)، اعتبار آن سطح چندین برابر می‌شود.

د) Exchange-Specific AVWAP:
در بازارهای بزرگ کریپتو، AVWAP بر اساس داده‌های یک صرافی خاص (مثلاً Binance Spot یا CME Futures) ممکن است از صرافی دیگر متفاوت باشد. معامله‌گران حرفه‌ای AVWAP چندین صرافی را مقایسه می‌کنند.

---

۶. پیاده‌سازی کمّی: کد پایتون ساده

برای کسانی که می‌خواهند AVWAP را در تحلیل کمّی پیاده‌سازی کنند:

python
import pandas as pd
import numpy as np

def calculate_avwap(df: pd.DataFrame, anchor_idx: int) -> pd.DataFrame:
"""
df: DataFrame با ستون‌های High, Low, Close, Volume
anchor_idx: اندیس ردیف نقطه لنگر
"""
df = df.copy()
subset = df.iloc[anchor_idx:].copy()

# قیمت تیپیکال
subset['typical_price'] = (subset['High'] + subset['Low'] + subset['Close']) / 3

# محاسبه AVWAP تجمعی
subset['cum_pv'] = (subset['typical_price'] * subset['Volume']).cumsum()
subset['cum_vol'] = subset['Volume'].cumsum()
subset['avwap'] = subset['cum_pv'] / subset['cum_vol']

# انحراف استاندارد وزنی حجمی
subset['variance'] = (
subset['Volume'] (subset['typical_price'] - subset['avwap']) * 2
).cumsum() / subset['cum_vol']
subset['std'] = np.sqrt(subset['variance'])

# باندها
subset['band_plus1'] = subset['avwap'] + subset['std']
subset['band_minus1'] = subset['avwap'] - subset['std']
subset['band_plus2'] = subset['avwap'] + 2 * subset['std']
subset['band_minus2'] = subset['avwap'] - 2 * subset['std']

df.loc[subset.index, ['avwap', 'std', 'band_plus1',
'band_minus1', 'band_plus2', 'band_minus2']] = \
subset[['avwap', 'std', 'band_plus1',
'band_minus1', 'band_plus2', 'band_minus2']]
return df

این پیاده‌سازی به شما امکان می‌دهد در بک‌تست‌های خود چندین AVWAP را به صورت همزمان محاسبه و مقایسه کنید.

---

نتیجه‌گیری

AVWAP نه فقط یک اندیکاتور، بلکه یک مدل مالی برای تخمین قیمت متوسط تجمعی شرکت‌کنندگان بازار است. در سطح پیشرفته، مهارت اصلی در سه حوزه است: انتخاب درست نقطه لنگر بر اساس رویدادهای ساختاری، استفاده همزمان از چند لنگر (Multi-period) برای دیدن لایه‌های مختلف بازار، و ترکیب آن با داده‌های حجمی و On-Chain برای تأیید.

---

خلاصه نقطه‌ای

- AVWAP از فرمول تجمعی $\sum PV / \sum V$ از نقطه لنگر تا کنون محاسبه می‌شود و ریست نمی‌شود
- باندهای ±1σ و ±2σ بر اساس واریانس وزنی حجمی، نه انحراف ساده قیمتی، رسم می‌شوند
- نقطه لنگر باید یک رویداد ساختاری باشد: ATH، ATL، هاوینگ، TGE، یا شروع یک فاز مشخص
- Multi-period AVWAP سه لایه ماکرو، میانی، و میکرو ایجاد می‌کند — همگرایی خطوط = ناحیه کلیدی
- الگوی Reclaim (بازپس‌گیری AVWAP با حجم بالا) قوی‌ترین سیگنال ورود است
- فیلتر حجمی با نسبت Volume Ratio < 0.8 از ورود در Breakoutهای کاذب جلوگیری می‌کند
- در کریپتو، هاوینگ و رویدادهای On-Chain، لنگرهای ماکرو ایده‌آلی هستند